In dieser Weiterbildung erwerben Sie fundierte Kenntnisse im Bereich AI Development. Sie lernen, Algorithmen des Machine Learning zu entwickeln und anzuwenden sowie Datenanalysen im Kontext von Data Science durchzuführen. Ein Schwerpunkt liegt auf der Implementierung von AI-Modellen zur Lösung komplexer Problemstellungen. Sie setzen sich mit verschiedenen Methoden des Machine Learning auseinander und erlernen deren praktische Anwendung. Zudem werden Sie in die Lage versetzt, Daten zu analysieren und daraus relevante Erkenntnisse für AI-Projekte zu gewinnen. Ein weiterer Fokus liegt auf der Entwicklung von AI-Anwendungen unter Berücksichtigung aktueller technischer Standards. Durch praxisorientierte Übungen und Projektarbeiten wenden Sie die erlernten AI-Konzepte direkt an. Dies ermöglicht Ihnen, theoretisches Wissen in realen Szenarien zu erproben und zu vertiefen. Nach Abschluss der Weiterbildung sind Sie in der Lage, AI-Modelle zu entwickeln und in verschiedenen Anwendungsbereichen einzusetzen.
- Kenntnisse im Bereich AI-Development
- Einführung in Machine Learning
- mit Fokus auf Arten des Machine Learning
- Aufgaben und Funktion von Deep Learning
- Anwendungen aus dem Feld AI
- Python- und Machine-Learning-Bibliotheken
Sprachmodelle und Konversation
- Grundlagen zu Prompt Engineering im Bereich AI
- ChatGPT: das Sprachmodell von OpenAI
- Leistungsverbesserung durch AI-Training von ChatGPT
- Interaktive Konversation: dialogbasierte Nutzung von ChatGPT
- Anwendungsbereiche von ChatGPT mit Bezug zu AI
- Verbesserung der Antworten durch AI-Kontextverständnis
Chatbot-Entwicklung und Optimierung
- Erstellung eines Chatbots mit AI-Technologie
- Trainieren von Chatbot-Modellen
- NLP-Grundlagen im Zusammenhang mit AI für Chatbots
- Fortgeschrittene Chatbot-Techniken
- Optimierung und Evaluation unter Berücksichtigung von AI
- Zukunftsperspektiven in AI-Development
Machine Learning Tools und Methoden
- Installation und Einrichtung von TensorFlow für AI-Anwendungen
- Grundlegende Verwendung von TensorFlow
- Keras im Kontext von AI nutzen
- Erstellen von Machine-Learning-Modellen mit Keras
- FCN- und CNN-Modelle auf Basis von AI entwickeln
- Analyse von Machine Learning in TensorFlow
Datenanalyse und -vorbereitung
- Datenreinigung unter Berücksichtigung der AI-Anforderungen
- Einführung in Pandas und Dataframes
- Grundlegende statistische Kenngrößen
- Datenvisualisierung mit Bezug zu AI
- AI-gestützte Datenvorbereitung für Machine Learning
- Training und Auswahl eines Vorhersagemodells
Modellbewertung und Optimierung
- Bewertung von Modellen im Bereich AI
- Modellbewertung und Hyperparameter-Tuning
- Ensemble Learning (z. B. Bagging und Boosting) für AI-Lösungen
- Logistische Regression
- AI-gestütztes K-Means Clustering
- Trainieren eines Neuronalen Netzes